基于卷积神经网络的锂离子电池SOH估算OA北大核心CSCDCSTPCD
An Approach to Lithium-Ion Battery SOH Estimation Based on Convolutional Neural Network
锂离子电池健康状态(SOH)描述了电池当前老化程度,其估算难点在于缺乏明确统一的定义、无法直接测量以及难以确定数量合适、相关性高的估算输入量.为了克服上述问题,该文从容量的角度定义SOH,并将锂离子电池恒流-恒压充电过程中的电压、电流、温度曲线作为输入,提出采用一维深度卷积神经网络(CNN)实现锂离子电池容量估算以获取SOH.在NASA锂离子电池随机使用数据集和牛津电池老化数据集上进行的实验结果表明,该方法能够实现准确的SOH估算,且具备网络参数…查看全部>>
李超然;肖飞;樊亚翔;杨国润;唐欣
舰船综合电力技术国防科技重点实验室(海军工程大学) 武汉 430033舰船综合电力技术国防科技重点实验室(海军工程大学) 武汉 430033舰船综合电力技术国防科技重点实验室(海军工程大学) 武汉 430033舰船综合电力技术国防科技重点实验室(海军工程大学) 武汉 430033舰船综合电力技术国防科技重点实验室(海军工程大学) 武汉 430033
信息技术与安全科学
锂离子电池健康状态卷积神经网络深度学习
《电工技术学报》 2020 (19)
一种新型四电平嵌套中点钳位的多相H桥变频器悬浮电容电压平衡控制优化研究
4106-4119,14
国家自然科学基金(51907200)和国防科技创新特区资助项目.
评论